AI 快讯
LIVE · 24h全网 AI 动态的中文速报，聚合引擎每 15 分钟更新。
- 10 月 19 日 21:0020:07
- 10 月 19 日 19:0018:24
OptEP：面向 MoE 模型的重构优化专家剪枝
↗ 查看原文 · arxiv.org研究者提出 OptEP，用连续松弛优化 MoE 专家选择并更新保留权重，在 Qwen3、GLM-4.5-Air、Mixt…
- 10 月 19 日 18:0017:55
RefCraft 基准：考察智能体按视觉参考生成网页
↗ 查看原文 · arxiv.org研究者发布 RefCraft 基准，含 300 个结合自然语言指令与 1 至 5 张参考网页截图的多模态网页开发任务。九…
- 17:52
ReuF2F：用本科科研开放问题评测编码智能体
↗ 查看原文 · arxiv.org研究者发布 Lean 4 基准 ReuF2F，含 244 道本科科研开放问题，最强模型仅解出约 40%，显示形式化开放问…
- 17:27
- 17:09
AI 证明准黎曼猜想，数学家称意义重大
↗ 查看原文 · quantamagazine.orgOpenAI 10 月 6 日公布的结果中有一项声称解决了弱化版的准黎曼猜想，且已由人类专家拆解验证。斯坦福的 Lich…
- 10 月 19 日 17:0016:58
EpiLens：面向流行病学知识获取的轻量 RAG 包
↗ 查看原文 · arxiv.org研究者发布开源轻量检索增强生成包 EpiLens，对语料中每篇论文套用固定检索模板与输出结构，并将结果链接回原文段落。在…
- 16:27
StebBench：诊断智能体的真实流程理解能力
↗ 查看原文 · arxiv.org研究者推出 StebBench，从 wikiHow 采集 81 个类别的 6885 条流程，并派生五类诊断任务。测试显示…
- 16:19
- 16:01
- 10 月 19 日 16:0016:00
- 15:33
- 10 月 19 日 15:0014:31
Stealthium 提出检测 GPU 显存中模型权重篡改的方法
↗ 查看原文 · stealthium.ioStealthium 介绍 ROME 攻击：恶意 Python 模块可在 GPU 显存中改写模型权重，磁盘文件不变，传统…
- 10 月 19 日 14:0013:48
- 13:39
PACE 基准评估编码代理完成企业 PRD 能力
↗ 查看原文 · arxiv.org新基准 PACE 含 43 个企业任务和 750 个专家审核代码点，11 种模型与脚手架组合得分多在 52.1 至 78…
- 13:08
大规模研究：生物医学 RAG 的语料规模与效率权衡
↗ 查看原文 · arxiv.org研究系统评估生物医学 RAG 在语料扩展、文档表示和重排序上的表现，发现小规模语料上的结论未必随规模延续。分层表示在多数…
- 10 月 19 日 13:0012:56
StrucChunk 提出结构感知分块，提升法律文档 RAG 检索
↗ 查看原文 · arxiv.org研究提出 StrucChunk，把法律文档按条款层级切分并保留交叉引用，结合 BM25 与 BGE-M3 混合检索。
- 12:56
- 12:48
FlashAttention 原理详解：分块与 SRAM 复用如何带来 10 倍加速
↗ 查看原文 · dev.to一篇技术文章拆解 FlashAttention 的 GPU 显存层级、HBM 瓶颈与在线 softmax 分块，说明它如…
- 10 月 19 日 10:0009:59
Mistral 发布时序基础模型 Timestral
↗ 查看原文 · mistral.aiMistral 推出首个时序基础模型系列 Timestral，最大模型仅 209M 参数，在 GIFT-Eval、TIM…
- 09:59
CEGame-Bench 发布：跨五引擎评测游戏创建智能体
↗ 查看原文 · arxiv.org新基准覆盖 Defold、Godot、Roblox Studio、Unity、Unreal Engine 五个引擎，要求…
- 09:01
- 10 月 19 日 09:0008:34
- 08:24
SPLASH 用对比审计压力检测生成代码安全幻觉
↗ 查看原文 · arxiv.org研究提出 SPLASH，对比安全审查与风格审查下的对数概率来定位漏洞语句，无需训练或模型内部访问。在 12 个模型生成的…
- 10 月 19 日 08:0007:39
研究用编码智能体在代码空间搜索多智能体路径规划策略
↗ 查看原文 · arxiv.org研究让编码智能体迭代提出、实现和评估协调算法，在机器人竞赛地图上比本地复现的参赛方案高 35.0%，在模拟仓库场景吞吐量…
- 07:30
LP-SMC 改进扩散 LLM 解码多样性
↗ 查看原文 · arxiv.org研究者提出保留谱系的 SMC 解码方法 LP-SMC，用 Chopthin 重采样替代多项式重采样，避免高权重粒子复制导…
- 07:29
- 07:21
- 07:18
- 10 月 19 日 07:0007:00
- 06:54
新基准PITCH评估主动式AI在多人对话中的插话时机
↗ 查看原文 · arxiv.org研究者提出PITCH基准，用89名参与者在35场多人对话中的1091条判断评估AI主动发言时机。测试15个模型发现，实时…
- 10 月 19 日 06:0005:47
- 10 月 19 日 05:0004:58
- 04:02
- 10 月 19 日 04:0003:22
Codpula用上下文自适应联合去噪改进扩散语言模型
↗ 查看原文 · arxiv.org研究者提出Codpula，将Transformer与可处理概率推断层结合，按上下文生成依赖的联合分布并保留精确条件推断。
- 10 月 19 日 03:0002:50
研究评估安全技能对编码智能体查Linux漏洞的效果
↗ 查看原文 · arxiv.org研究用Claude Code搭配四个底层模型，在100个真实Linux内核漏洞上测试37项安全技能，共14800次运行。
- 10 月 19 日 01:0000:44
CG2：先让 LLM 生成行为契约再写代码
↗ 查看原文 · arxiv.org研究提出 CG2 框架，先把自然语言任务转成含前置、后置条件和不变量的行为契约，再交给下游代码模型。在 1007 个任务…
- 10 月 18 日 23:0022:37
钙钛矿光伏 RAG 基准：文本检索最高仅 23%
↗ 查看原文 · arxiv.org研究者基于 4.5 万余条器件记录构建定量问答基准，测试六种检索架构。纯文本检索准确率最高 16-23%，而让模型对结构…
- 10 月 18 日 21:0020:48
HybridAgents：在潜空间推理、用文本行动的混合智能体
↗ 查看原文 · arxiv.orgarXiv 新论文提出 Hybrid Reasoning Agents，让模型在潜空间推理与文本交互之间动态切换，并保留…
- 20:39
- 10 月 18 日 20:0019:21
- 10 月 18 日 19:0018:20
开发者文章解释 LLM 为何会自信地输出不实内容
↗ 查看原文 · dev.toDEV Community 一篇新文章从模型逐词生成机制出发，讨论大模型为何会以肯定语气说出并不真实的内容。文章延续了作…
- 18:11
- 10 月 18 日 17:0016:25
- 10 月 18 日 15:0014:31
用 Constitutional AI 对齐拉美原住民价值观
↗ 查看原文 · arxiv.org研究基于五位原住民领袖访谈构建含 12 条原则的文化宪法，在 Qwen2.5 模型上做 SFT 与 DPO 两阶段对齐。…
- 14:30
Qwen2.5-1.5B 上三种知识更新方式对比
↗ 查看原文 · dev.to同一批 1500 条事实在 Qwen2.5-1.5B 上测试：改权重泛化率 0.55 至 0.71，但局部性降至 12%…
- 10 月 18 日 12:0011:25
实测：vLLM 在 temperature 0 下并非确定性输出
↗ 查看原文 · dev.to作者测试 200 条回答中有 23 条发生变化，原因是连续批处理改变内核归约顺序，接近持平的 logits 发生翻转。
- 10 月 18 日 10:0009:32
CrypSteer：用共享方向引导代码模型安全使用加密API
↗ 查看原文 · arxiv.org研究构建4.8万对程序样本，发现加密API修复表征按误用类别组织，并提出CrypSteer在冻结权重下注入单一共享方向…
- 10 月 18 日 09:0009:00
- 08:49
BEAM：把LLM智能体记忆价值建模为贝叶斯信念
↗ 查看原文 · arxiv.org研究提出BEAM框架，将记忆价值视为随任务上下文变化的动态信念，并用执行反馈持续校准，在推理与代码生成基准上提升记忆利用…